دانلود ترجمه مقاله بازیابی تصویر بر اساس منطقه با DCT سازگار با شکل – نشریه اسپرینگر

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” بازیابی تصویر بر اساس منطقه با DCT سازگار با شکل ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• فهرست مطالب:

چکیده
1.مقدمه
2. بازیابی تصویر مبتنی بر محتوا با استفاده از تبدیل DCT و هیستوگرام الگوهای آن
2.1 الگوی AC و هیستوگرام آن
2.2 الگوی DC و هیستوگرام آن
2.3 توصیف گر خصیصه و سنجش شباهت
3. حکم مسئله ای و کارهای مربوطه
3.1 روش مبتنی بر برون یابی
3.3 بازیابی تصویر مبتنی بر منطقه با استفاده از DCT سازگار با شکل
3.3 قطعه سازی تصویر
3.4 تبدیل سازگار با شکل
4.نتایج آزمایشی
4.1 پایگاه های داده های آزمایشی
4.2 ارزیابی عملکرد
4.3 نتایج با پایگاه های داده 1000- Corel و 256 Caltech
4.4 نتایج با پایگاه داده صورت GTF
4.5 ارزیابی نیرومندی
4.6 هزینه محاسباتی
5.نتیجه گیری

• بخشی از ترجمه:

5.نتیجه گیری
بر مبنای تکنیک های CBIR متداول در حوزه ی DCT ،یک سیستم RBIR جدید مبتنی بر SD-DCT برای بهبود دقت بازیابی پیشنهاد میشود.در نتیجه، فرد میتواند یک منطقه را بدون ارجاع به اطلاعات در مورد مناطق دیگر تصویر، بازیابی نماید.به طور واضح، این عمل اجازه میدهد عملیاتهای جالبی همانند جستجوی مبتنی بر شی صورت گیرد.چون یک محاسبه ی خودکار از شی با مفهوم به لحاظ معنایی ،به شدت دشوار است، رویکرد ما، با بکارگیری یک قطعه سازی قبلی، میتواند قطعه سازی را به عملکرد پیچیده سطح بالا و ضرورتا الگوریتم های فشرده ی CPU محول نماید که میتواند به طور آفلاین اجرا شود.روش پیشنهاد شده دارای قدرت کسب هم ویژگیهای موضعی و هم ویژگی های سراسری است و هم از خصوصیات معنایی و هم خصوصیات سطح پایین استفاده میکند.آزمایشات تجربی بیانگر صحت و بازده است و یک سازگاری بین نسبت بازیابی بالا و پیچیدگی پایین وجود دارد.در آینده، ما تکنیک خود را برای تصاویری ارتقا خواهیم داد که دارای بیش از دو منطقه (شی) هستند.با ساخت شاخص اهمیت منطق [13] این شاخص اثر مخرب قطعه سازی نادرست را کاهش خواهد داد.

• بخشی از مقاله انگلیسی:

5 Conclusion

Based on the conventional CBIR techniques in DCT domain, a new RBIR system based on SA-DCT is proposed to improve the retrieval accuracy. Consequently, one can retrieve a region without reference to information about other regions of the image. Clearly, this permits interesting operations such as object-based querying. Since an automatic computation of semantically meaningful object is extremely difficult, our approach, by exploiting a prior segmentation, can delegate the segmentation to sophisticated, high performance, and necessarily CPU-intensive algorithms that can be executed off-line. The proposed method has the power of capturing both local features and global features, and making use of both semantic features and low level features. The experimental results indicate its correctness and efficiency, and a compromise between high retrieval ratio and less complexity. In the future, we will enhance our technique for images which have more than two regions (objects). By constructing region importance index [13], this will reduces the adverse effect of inaccurate segmentation.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله